4.5.2 Desarrolle su propio experimento

La construcción de su propio experimento podría ser costoso, sino que le permitirá crear el experimento que desea.

Además de superponer experimentos sobre entornos existentes, también puedes construir tu propio experimento. La principal ventaja de este enfoque es el control; Si está creando el experimento, puede crear el entorno y los tratamientos que desee. Estos entornos experimentales hechos a medida pueden crear oportunidades para probar teorías que son imposibles de probar en entornos naturales. Los principales inconvenientes de construir su propio experimento son que puede ser costoso y que el entorno que puede crear puede no tener el realismo de un sistema natural. Los investigadores que crean su propio experimento también deben tener una estrategia para reclutar participantes. Cuando se trabaja en sistemas existentes, los investigadores esencialmente llevan los experimentos a sus participantes. Pero, cuando los investigadores construyen su propio experimento, deben traer participantes a él. Afortunadamente, servicios como Amazon Mechanical Turk (MTurk) pueden proporcionar a los investigadores una forma conveniente de llevar a los participantes a sus experimentos.

Un ejemplo que ilustra las virtudes de entornos a medida para probar teorías abstractas es el experimento de laboratorio digital de Gregory Huber, Seth Hill y Gabriel Lenz (2012) . Este experimento explora una posible limitación práctica para el funcionamiento de la gobernabilidad democrática. Los primeros estudios no experimentales sobre elecciones reales sugirieron que los votantes no pueden evaluar con precisión el desempeño de los políticos en ejercicio. En particular, los votantes parecen sufrir de tres sesgos: (1) se centran en el desempeño reciente en lugar del cumulativo; (2) pueden ser manipulados por la retórica, el encuadre y la comercialización; y (3) pueden verse influenciados por eventos no relacionados con el desempeño incumbente, como el éxito de los equipos deportivos locales y el clima. En estos estudios anteriores, sin embargo, fue difícil aislar cualquiera de estos factores de todas las otras cosas que suceden en las elecciones reales y desordenadas. Por lo tanto, Huber y sus colegas crearon un entorno de votación altamente simplificado para aislar, y luego estudiar experimentalmente, cada uno de estos tres posibles sesgos.

Cuando describo la configuración experimental a continuación, va a sonar muy artificial, pero recuerde que el realismo no es un objetivo en los experimentos de laboratorio. Por el contrario, el objetivo es aislar claramente el proceso que está tratando de estudiar, y este estrecho aislamiento a veces no es posible en estudios con más realismo (Falk and Heckman 2009) . Además, en este caso particular, los investigadores argumentaron que si los votantes no pueden evaluar efectivamente el desempeño en este entorno altamente simplificado, entonces no podrán hacerlo en un entorno más realista y más complejo.

Huber y sus colegas utilizaron MTurk para reclutar participantes. Una vez que un participante dio su consentimiento informado y pasó una prueba corta, se le dijo que estaba participando en un juego de 32 rondas para ganar fichas que podrían convertirse en dinero real. Al principio del juego, a cada participante se le dijo que le habían asignado un "asignador" que le daría tokens gratis cada ronda y que algunos asignadores eran más generosos que otros. Además, a cada participante también se le dijo que tendría la oportunidad de mantener su asignador o asignarle uno nuevo después de 16 rondas del juego. Dado lo que sabe acerca de los objetivos de investigación de Huber y sus colegas, puede ver que el asignador representa un gobierno y esta elección representa una elección, pero los participantes no estaban al tanto de los objetivos generales de la investigación. En total, Huber y sus colegas reclutaron a unos 4,000 participantes a quienes se les pagó alrededor de $ 1.25 por una tarea que tomó aproximadamente ocho minutos.

Recuerde que uno de los hallazgos de investigaciones anteriores fue que los votantes recompensan y castigan a los titulares por resultados que están claramente fuera de su control, como el éxito de los equipos deportivos locales y el clima. Para evaluar si las decisiones de voto de los participantes podrían estar influenciadas por eventos puramente aleatorios en su entorno, Huber y sus colegas agregaron una lotería a su sistema experimental. Ya sea en la octava ronda o la ronda 16 (es decir, justo antes de la oportunidad de reemplazar el asignador) los participantes fueron colocados aleatoriamente en una lotería donde algunos ganaron 5,000 puntos, algunos ganaron 0 puntos y algunos perdieron 5,000 puntos. Esta lotería estaba destinada a imitar buenas o malas noticias que es independiente del desempeño del político. A pesar de que se les dijo explícitamente a los participantes que la lotería no estaba relacionada con el desempeño de su asignador, el resultado de la lotería aún afectó las decisiones de los participantes. Los participantes que se beneficiaron de la lotería tenían más probabilidades de mantener su asignador, y este efecto fue más fuerte cuando la lotería sucedió en la ronda 16, justo antes de la decisión de reemplazo, que cuando sucedió en la ronda 8 (figura 4.15). Estos resultados, junto con los de otros experimentos en el documento, llevaron a Huber y sus colegas a concluir que incluso en un entorno simplificado, los votantes tienen dificultades para tomar decisiones acertadas, un resultado que impactó investigaciones futuras sobre la toma de decisiones del votante (Healy and Malhotra 2013) . El experimento de Huber y sus colegas muestra que MTurk se puede utilizar para reclutar participantes para experimentos de laboratorio con el fin de probar con precisión teorías muy específicas. También muestra el valor de construir su propio entorno experimental: es difícil imaginar cómo estos mismos procesos pudieron haberse aislado tan limpiamente en cualquier otro entorno.

Figura 4.15: Resultados de Huber, Hill y Lenz (2012). Los participantes que se beneficiaron de la lotería tenían más probabilidades de retener su asignador, y este efecto fue más fuerte cuando la lotería sucedió en la ronda 16, justo antes de la decisión de reemplazo, que cuando sucedió en la ronda 8. Adaptado de Huber, Hill y Lenz ( 2012), figura 5.

Figura 4.15: Resultados de Huber, Hill, and Lenz (2012) . Los participantes que se beneficiaron de la lotería tenían más probabilidades de retener su asignador, y este efecto fue más fuerte cuando la lotería sucedió en la ronda 16, justo antes de la decisión de reemplazo, que cuando sucedió en la ronda 8. Adaptado de Huber, Hill, and Lenz (2012) , figura 5.

Además de construir experimentos similares a los de laboratorio, los investigadores también pueden construir experimentos que sean más parecidos a los campos. Por ejemplo, Centola (2010) construyó un experimento de campo digital para estudiar el efecto de la estructura de redes sociales en la propagación del comportamiento. Su pregunta de investigación requería que observara el mismo comportamiento que se extendía en poblaciones que tenían estructuras de redes sociales diferentes, pero que de otro modo eran indistinguibles. La única forma de hacerlo fue con un experimento personalizado a medida. En este caso, Centola construyó una comunidad de salud basada en la web.

Centola reclutó alrededor de 1.500 participantes a través de la publicidad en sitios web de salud. Cuando los participantes llegaron a la comunidad en línea -que se llamaba Healthy Lifestyle Network- dieron su consentimiento informado y luego se les asignó "amigos de la salud". Debido a la forma en que Centola asignó estos amigos de salud, pudo unir diferentes estructuras de redes sociales en diferentes grupos Algunos grupos se crearon para tener redes aleatorias (donde era probable que todos estuvieran conectados), mientras que otros grupos se construyeron para tener redes agrupadas (donde las conexiones son más densas a nivel local). Luego, Centola introdujo un nuevo comportamiento en cada red: la oportunidad de registrarse para un nuevo sitio web con información de salud adicional. Cada vez que alguien se registraba para este nuevo sitio web, todos sus amigos de la salud recibían un correo electrónico anunciando este comportamiento. Centola descubrió que este comportamiento -se registra en el nuevo sitio web- se extendía más y más rápido en la red agrupada que en la red aleatoria, un hallazgo que era contrario a algunas teorías existentes.

En general, construir tu propio experimento te da mucho más control; le permite construir el mejor entorno posible para aislar lo que desea estudiar. Es difícil imaginar cómo los dos experimentos que acabo de describir podrían haberse realizado en un entorno ya existente. Además, la construcción de su propio sistema disminuye las preocupaciones éticas sobre la experimentación en los sistemas existentes. Sin embargo, cuando construyes tu propio experimento, te encuentras con muchos de los problemas que se encuentran en los experimentos de laboratorio: reclutamiento de participantes y preocupaciones sobre el realismo. Una desventaja final es que construir su propio experimento puede ser costoso y lento, aunque, como muestran estos ejemplos, los experimentos pueden abarcar desde entornos relativamente simples (como el estudio de la votación de Huber, Hill, and Lenz (2012) ). a entornos relativamente complejos (como el estudio de redes y el contagio de Centola (2010) ).